基于pytho和PYQt实现，客户端展示，包括ppt,视频演示 1. 图像文件的打开、显示与保存。 2. 图像几何变换，如放大缩小、平移、旋转、翻转等。 3. 图像像素变换，如图像合成、灰度变换、直方图计算及直方图变换等。 4. 图像去噪实现，包括中值滤波、均值滤波、空域滤波与频域滤波； 5. 图像锐化与边缘检测实现，包括算子锐化、边缘检测与提取等算法的设计与实现； 6. 图像分割方法的实现，包括阈值法、区域生长法、区域分裂与合并等； 7. 基于卷积神经网络的图像分类实现，包括使用自建卷积网络或经典神经网络对目标图像进行分类。

基于python+opencv实现国内车牌识别系统源码(带GUI界面+PPT报告+项目说明)数字图像处理课设.zip 数字图像处理课程设计作业 Python3+OpenCV 使用tkinter搭建界面 tmp/文件夹是数字图像处理过程 chepai/文件夹是车牌图片 pic/文件夹是程序界面图 PPT答辩报告 Python opencv 车牌识别 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码\项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。

SJTU数字图像处理课设_传统图像处理结合yolov5算法实现电车轨道ROI区域标注及障碍物检测项目源码+项目说明.7z 【SJTU数字图像处理课程设计】 采用传统的数字图像处理方法（边缘检测，透射变换，霍夫变换等）对视频中的电车轨道进行检测和标注，并标注轨道所处的ROI区域，基于此ROI区域使用当下较为流行的YOLOv5目标检测深度学习算法进行区域内的障碍物识别与检测并将其标注。算法最终效果较好，可准确的检测两种环境（白天和夜晚）下的电车轨道并对轨道附近障碍物进行识别。算法识别效率为17FPS，效果较好。 主要任务为完成有轨电车轨道与轨道上障碍物的检测

南航数字图像处理课设，内含代码，具体步骤。

图像分割的目的是将图像划分为不同的区域,基于区域生长是以直接找寻区域为基础的分割技术。区域生长是一种根据事先定义的准则将像素或子区域聚合成为更大的区域的过程。基本方法是以一组“种子”点开始,将与种子点性质相似(诸如灰度级或衍射的特定范围)的相邻像素附加到生长区域的每个种子上。

(1)使用python开发设计系统的图形界面（类似以下界面）。 (2)要求包含菜单，可以连接到其到模块。 (3)要求有文本框，能显示程序运行值 (4)要求有两个图形框，用于显示其他模块的运行效果 (1)包括打开、重载文件功能 (2)不同彩色模型之间的转换功能，包括rgb2gray,rgb2bgr, rgb2hsi等 (3)文件的保存、文件的关闭功能，可以选择保存的文件格式。 系统的退出功能

数组图像处理课设，车牌识别，完美运行，且带有图片，本机能直接跑，

为保护数字图像作品的知识产权，采用数字水印技术嵌入水印图像于作品中，同时尽可能不影响作品的可用性，在作品版权发生争执时，通过提取水印信息确认作品版权。 通常情况下，水印图像大小要远小于载体图像，嵌入水印后的图像可能遇到噪声、有损压缩、滤波等方面的攻击。因此，评价水印算法的原则就是水印的隐藏性和抗攻击性。根据这一要求，设计水印算法。（1）、查阅文献、了解数字水印的基本概念。 （2）、深入理解一种数字水印嵌入与提取方法并实现。 （3）、能够显示水印嵌入前后的载体图像。 （4）、能够显示嵌入与提取的水印。 （5）、选择 2 种及以上攻击方法，测试水印算法的鲁棒性等性能。

数字图像处理课设.rar

MATLAB数字图像处理课设-特效运行filter_course_project.m带GUI界面